TAILIEUCHUNG - Báo cáo khoa học: "Extracting Paraphrases of Technical Terms from Noisy Parallel Software Corpora"

In this paper, we study the problem of extracting technical paraphrases from a parallel software corpus, namely, a collection of duplicate bug reports. Paraphrase acquisition is a fundamental task in the emerging area of text mining for software engineering. Existing paraphrase extraction methods are not entirely suitable here due to the noisy nature of bug reports. We propose a number of techniques to address the noisy data problem. | Extracting Paraphrases of Technical Terms from Noisy Parallel Software Corpora Xiaoyin Wang1 2 David Lo1 Jing Jiang1 Lu Zhang2 Hong Mei2 1School of Information Systems Singapore Management University Singapore 178902 xywang davidlo jingjiang @ 2Key Laboratory of High Confidence Software Technologies Peking University Ministry of Education Beijing 100871 China zhanglu meih @ Abstract In this paper we study the problem of extracting technical paraphrases from a parallel software corpus namely a collection of duplicate bug reports. Paraphrase acquisition is a fundamental task in the emerging area of text mining for software engineering. Existing paraphrase extraction methods are not entirely suitable here due to the noisy nature of bug reports. We propose a number of techniques to address the noisy data problem. The empirical evaluation shows that our method significantly improves an existing method by up to 58 . 1 Introduction Using natural language processing NLP techniques to mine software corpora such as code comments and bug reports to assist software engineering SE is an emerging and promising research direction Wang et al. 2008 Tan et al. 2007 . Paraphrase extraction is one of the fundamental problems that have not been addressed in this area. It has many applications including software ontology construction and query expansion for retrieving relevant technical documents. In this paper we study automatic paraphrase extraction from a large collection of software bug reports. Most large software projects have bug tracking systems . Bugzilla1 to help global users to describe and report the bugs they encounter when using the software. However since the same bug may be seen by many users many duplicate bug reports are sent to bug tracking systems. The duplicate bug reports are manually tagged and associated to the original bug report by either the system manager or software developers. These families of duplicate bug reports form a .

• Báo cáo khoa học
• Extracting Paraphrases
• Technical Terms
• Noisy Parallel Software Corpora
• báo cáo khoa học
• báo cáo ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Definition Sentences on the Web
• Chikara Hashimoto
• ngôn ngữ tự nhiên
• a Parallel Corpus
• Regina Barzilay and Kathleen R
• McKeown
• mô hình ngôn ngữ
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học